[Optimization] Optimize get_block_shape_and_split_kv_block

[Sunny-bot1]

PR修改

1. 融合get_max_len和get_kv_max_len（3.6us+1.8us->3.6us）
2. 融合max_len_tensor_cpu和max_len_kv_cpu到cpu的copy，将max_len_kv_cpu放在max_len_tensor_cpu[8]（36us->18us）
3. 优化split_q_block kernel（21us->3us）
4. 消除一些冗余分支和memset

TODO

1. 进CUDA graph
2. kernel、DtoH进一步融合
3. 优化MLA前处理相关kernel

[paddle-bot]

Thanks for your contribution!